做互作蛋白筛选,多数实验室的多是沿用酵母双杂交、Co-IP或Pull-down。这三条路线用了二十多年,短板也摆在明面上:

酵母双杂交:要先构建诱饵和猎物文库,膜蛋白、分泌蛋白和需要翻译后修饰的蛋白做不了,假阳性得一轮轮回验。

Co-IP:依赖现成抗体,只能验证已知或疑似互作,做不了无偏向的大规模发现。

Pull-down:要纯化有活性的重组蛋白,偏向强结合,弱互作和瞬时互作容易漏掉。

这三条路线都绕不开同一个问题:工作量和成本随筛选规模直线上升。靶蛋白一多,文库构建、克隆、表达、纯化的量就压不住了。

AI路线在做什么

拿到靶蛋白结构之后,BindCraft这类工具直接在结构上设计短肽结合剂。再把这条短肽当成结构探针,用Foldseek比对人源全基因组蛋白结构库,找出口袋相似、构象兼容的蛋白作为候选互作伙伴。整个过程不建文库、不克隆、不表达,在计算集群上跑完就行。

先比对人源全基因组结构库这一步,和传统实验方法有一个根本区别:筛选空间不是表达出来的蛋白,而是有结构的蛋白。AF3可以对无结构的靶蛋白先做预测,所以只要有序列,流程就能启动。

有公开数据可以查

这套算法靠不靠谱,不用听服务商自述。2025年9月发表在Nature的论文(Pacesa 等,Vol 646,483-492页)测了BindCraft在12类靶标上的表现:多个靶标拿到纳摩尔级亲和力,PD-1最高亲和力达到1 nM以下,全程不需要高通量筛选。论文里Der f7过敏原的2.2 晶体结构显示,设计模型与真实结构的骨架RMSD只有1.7 。

图1 BindCraft设计流程(上)与12类靶标的设计成功率及实测亲和力(下)。

图2 PD-1、PD-L1、IFNAR2、CD45等靶标的设计复合物结构与SPR实测结合曲线。

科晶生物的流程

合肥科晶生物把这条路线做成了标准化的互作蛋白筛选服务,分五步:

1. 靶标蛋白结构准备:客户提供PDB结构,或用AF3直接预测,去水分子、修侧链,得到可用于设计与对接的干净单体。

2. BindCraft短肽设计:锁定靶蛋白核心功能口袋,批量生成候选短肽,按结构贴合度和结合能量筛优。

3. Foldseek全基因组比对:以短肽为结构探针,按TM-score、结构覆盖度、匹配区域相似性筛出高度匹配的人源蛋白,去重整理成初筛列表。

4. HDock批量对接:初筛TOP蛋白与靶蛋白批量对接,按对接打分和结合能量筛出稳定体系。

5. AF3精细验证:对HDock排序靠前的组合做复合物结构预测,看界面氢键数量、疏水接触面积、结合能和构象置信度。

图4 客户靶标蛋白example4的三维结构(交付示例)。

结题时客户拿到的是一套完整材料:初筛互作蛋白列表、HDock打分排序表、AF3复合物预测结果、数据分析总表(Excel)和结题报告。

什么时候选AI,什么时候选实验

AI筛选不能完全替代实验验证,产出的是高置信度候选列表,最后一步还是要用Co-IP、SPR或Pull-down做确认。反过来,如果手上只有一个靶蛋白序列,想在几万个人源蛋白里快速圈定候选互作伙伴,AI路线是目前成本最低、周期最短的选择。实际项目里两条路线配合用:AI圈范围,实验做确认。

想了解合肥科晶生物AI辅助互作蛋白筛选服务的具体报价和交付周期,可以直接联系我们。带上靶蛋白序列或PDB编号,可以先做一轮可行性评估。